Che cos'è un SOC agentico? Gli agenti IA nelle operazioni di sicurezza

Che cos'è un SOC agentico?

Nel novembre 2025, lo sviluppatore di IA Anthropic ha rivelato quella che ha definito la prima campagna di cyberspionaggio orchestrata dall'IA mai segnalata. Anthropic ha valutato con un elevato grado di certezza che un gruppo sostenuto dallo Stato cinese aveva manipolato il suo strumento Claude Code affinché eseguisse dall'80 al 90% dell'operazione contro circa 30 obiettivi. Al culmine dell'operazione, l'IA ha effettuato migliaia di richieste, spesso diverse al secondo, a un ritmo che, secondo Anthropic, gli hacker umani non avrebbero potuto sostenere. Anthropic ha consigliato ai team di sicurezza di sperimentare l'IA per la difesa in ambiti come l'automazione del centro operativo di sicurezza (SOC), il rilevamento delle minacce e la risposta agli incidenti.

Quel consiglio porta dritto al SOC agentico. Un SOC agentico è un centro operativo di sicurezza in cui gli agenti IA pianificano ed eseguono attività su avvisi e incidenti in più fasi entro limiti definiti, mentre gli analisti supervisionano le decisioni e gestiscono quelle che richiedono giudizio. Gli agenti svolgono il lavoro di collegamento che oggi fate manualmente: recuperano la cronologia degli host, correlano i log delle identità con la telemetria degli endpoint, verificano ipotesi e raccolgono le prove in una valutazione prima ancora che una persona apra il caso.

Qui il termine “agentico” ha un significato preciso. In un articolo sul blog di ISACA, Richard Beck di QA usa come esempio la piattaforma open source OpenClaw. I suoi agenti interrogano modelli IA, suddividono attività complesse, affidano parti del lavoro a sottoagenti, si collegano a strumenti interni ed esterni e possono operare senza supervisione durante la notte. Due tecnologie che già utilizzate definiscono ciò che gli agenti aggiungono al modello operativo del SOC:

• I copiloti di IA generativa attendono il vostro prompt e lasciano a voi la responsabilità delle decisioni: Un agente avvia e completa autonomamente le attività entro limiti definiti.
• I playbook di orchestrazione, automazione e risposta della sicurezza (SOAR) eseguono passaggi predefiniti da voi: Gli agenti analizzano avvisi non previsti dai playbook, si adattano al contesto e coinvolgono gli analisti quando incontrano incertezze.

I copiloti accelerano il lavoro degli analisti e i playbook accelerano la risposta. Gli agenti si occupano delle indagini: pianificano i propri passaggi, si adattano al contesto e producono valutazioni verificabili da una persona.

Gartner prevede che il 40% delle applicazioni aziendali includerà agenti IA dedicati a compiti specifici entro la fine del 2026, rispetto a meno del 5% nel 2025. Gli strumenti di sicurezza seguono la stessa traiettoria: gli agenti arriveranno nel vostro SOC, che lo pianifichiate o meno. Questa guida mostra come funziona un SOC agentico, dove offre vantaggi, dove può fallire e quale governance mantiene gli agenti sotto controllo.

Il ruolo del SOC agentico nella cybersecurity

Al SANS Cloud Security Exchange Summit 2026, Wesley Kuzma di Microsoft e Chris Cochran di SANS hanno descritto il cambiamento senza mezzi termini. Per decenni, i framework di sicurezza hanno presupposto che “le persone prendano le decisioni e le macchine le eseguano”, mentre i sistemi agentici ribaltano questo modello. In un SOC agentico, i vostri analisti smettono di smaltire le code di primo livello e assumono ruoli di supervisione e orchestrazione: verificano le valutazioni degli agenti, applicano il contesto aziendale, ricercano le minacce e governano gli agenti stessi.

Il SOC agentico è un modello operativo. La pagina di SentinelOne dedicata all'Autonomous SOC descrive il risultato di questo modello: rilevamento, indagini agentiche e risposta su un'unica piattaforma, con gli analisti responsabili delle decisioni più importanti. Questo articolo sulla strategia del SOC agentico sostiene che la capacità di condurre indagini è diventata il principale vincolo del SOC.

Componenti fondamentali di un SOC agentico

Il framework AgentSOC, proposto in uno studio del 2026, descrive un SOC agentico attraverso tre livelli collegati in un ciclo chiuso: percezione, ragionamento agentico e azione e playbook. Le risposte ad alto impatto vengono sottoposte all'approvazione degli analisti. Le sezioni seguenti partono da questo modello per mostrare cosa percepiscono gli agenti, come ragionano e chi mantiene il controllo.

Livelli dei dati e del ragionamento

I livelli fondamentali definiscono cosa possono vedere gli agenti e come trasformano questa visibilità in azioni. Ogni livello fornisce dati strutturati a quello superiore:

• Livello di percezione: Normalizza avvisi e log provenienti da strumenti di sicurezza, controlli cloud e sistemi operativi, poi li arricchisce con il contesto di asset e identità per creare oggetti strutturati relativi agli incidenti.
• Livello di ragionamento agentico: Usa un modello linguistico di grandi dimensioni (LLM) per formulare ipotesi di attacco, poi le verifica rispetto alla topologia e ai percorsi dei privilegi del vostro ambiente e classifica le possibili risposte in base al rischio.
• Livello di azione e playbook: Crea playbook di risposta, sottopone le azioni ad alto impatto all'approvazione di un analista e avvia l'esecuzione automatizzata di quelle a rischio minore.

Insieme, questi livelli creano il ciclo operativo che trasforma la telemetria grezza in attività di sicurezza spiegabili: input strutturati, ipotesi convalidate e passaggi di risposta corredati dalle relative prove.

Livelli di orchestrazione e controllo

Mantenete il controllo operativo di un sistema multiagente definendo come gli agenti si coordinano, quale contesto conservano e quando una decisione viene sottoposta a una persona:

1. Gli agenti specializzati hanno ruoli circoscritti: I singoli agenti gestiscono la telemetria degli endpoint, l'analisi delle identità, e la correlazione dei log cloud, mentre un orchestratore supervisore coordina il lavoro.
2. Contesto e memoria condivisi: Gli agenti si scambiano risultati strutturati tramite livelli di memoria o grafi della conoscenza, così lo stato dell'indagine persiste nei passaggi di consegne.
3. Controlli con supervisione umana: I punti di approvazione mantengono gli analisti responsabili delle decisioni importanti, come in LanG, una piattaforma di ricerca del 2026 il cui flusso SOC si interrompe in due punti in cui l'approvazione degli analisti è obbligatoria.
4. Modelli di interoperabilità: Definiscono come gli agenti si collegano agli strumenti e condividono il contesto quando delegano il lavoro.

Questo stato condiviso rende verificabili i flussi di lavoro di sicurezza multiagente. Trattate gli agenti IA nel SOC come operatori soggetti a governance: la fiducia che meritano dipende da come questi componenti operano insieme.

Come funziona un SOC agentico

L'IA agentica nelle operazioni di sicurezza segue un ciclo decisionale dall'acquisizione degli avvisi alla risposta. Gli agenti di triage acquisiscono ogni avviso, filtrano i falsi positivi, arricchiscono il contesto e assegnano dinamicamente le priorità. Nessun avviso resta in coda ad aspettare un analista del turno di notte.

Gli agenti investigativi con accesso agli strumenti conducono poi indagini in più fasi e in parallelo: recupero del contesto degli avvisi, consultazione della cronologia degli host e degli utenti, analisi degli artefatti in ambiente isolato e correlazione con la threat intelligence. L'analista di Forrester Allie Mellen illustra come potrebbe funzionare una sequenza del genere. Un agente di triage del phishing conferma un vero positivo, gli agenti di triage e investigazione degli endpoint verificano se l'attacco è riuscito e se i privilegi sono stati elevati, poi un agente di risposta sugli endpoint fornisce all'analista il contesto per decidere.

Gli agenti di risposta passano quindi dal consigliare azioni all'eseguire quelle approvate, nel rispetto delle policy e sotto monitoraggio. In caso di incertezza o di un'eccezione alle policy, coinvolgono una persona. Nelle operazioni di sicurezza con supervisione umana, gli analisti esaminano e approvano le decisioni importanti degli agenti, mantenendo l'autonomia entro i limiti delle policy.

La supervisione umana deve essere parte dell'architettura. Una bozza di guida all'implementazione della Cloud Security Alliance (CSA) raccomanda una revisione umana immediata per gli avvisi relativi ad account privilegiati e infrastrutture critiche, i modelli di correlazione nuovi per l'ambiente, le classificazioni come malevole ad alta confidenza e i punteggi di confidenza inferiori a una soglia definita. In questo modello, l'agente indaga e formula raccomandazioni, mentre gli analisti esaminano le prove e autorizzano qualsiasi azione con effetti esterni.

L'IA agentica nelle operazioni di sicurezza dimostra il proprio valore quando ogni fase produce prove riutilizzabili dalla successiva lungo l'intero ciclo.

I principali vantaggi di un SOC agentico

I vantaggi di un SOC agentico si dividono in due gruppi: miglioramenti nella copertura e nella coerenza della gestione degli avvisi e risultati per analisti e azienda visibili nei report.

Maggiore copertura e coerenza

La copertura agentica parte dagli avvisi che i vostri flussi di lavoro attuali trascurano, perché in un SOC agentico ogni avviso viene esaminato. Il SOAR tradizionale copre solo le categorie di avvisi per cui avete creato playbook. Gli agenti esaminano anche gli avvisi non coperti da alcun playbook: proprio dove si nascondono le intrusioni non rilevate.

La coerenza si mantiene anche alla velocità delle macchine: gli agenti raccolgono le prove con lo stesso rigore alle 14:00 e alle 2:00, senza le scorciatoie dovute alla stanchezza durante il turno di notte.

Risultati per analisti e azienda

Copertura e coerenza si traducono direttamente nei risultati monitorati dalla vostra dirigenza: tempo recuperato dagli analisti, personale meno esperto che ottiene risultati superiori a quelli attesi per la sua esperienza e progressi misurabili sui costi delle violazioni.

• Tempo recuperato dagli analisti: Quando gli agenti gestiscono l'arricchimento e la correlazione, i vostri analisti senior dedicano il proprio tempo alle decisioni ad alto impatto e alla ricerca delle minacce.
• Personale meno esperto con risultati superiori a quelli attesi: Il contesto generato dall'IA e le raccomandazioni motivate danno al personale Tier-1 gli elementi per prendere decisioni che prima richiedevano anni di esperienza nel riconoscimento dei modelli. È un vantaggio concreto in un mercato in cui il Cybersecurity Workforce Study 2025 di ISC2 documenta una crescita del fabbisogno di competenze nella cybersecurity.
• Costi delle violazioni: Il report IBM 2026 sul costo di una violazione dei dati ha rilevato che le organizzazioni che utilizzano ampiamente l'IA e l'automazione per la sicurezza hanno risparmiato in media 1,93 milioni di USD per violazione rispetto a quelle che non le utilizzano.

Il filo conduttore è il tempo: gli agenti riducono le ore tra l'allarme e il verdetto, che l'organizzazione può così dedicare alla valutazione, alla ricerca delle minacce e alle decisioni più importanti.

Rischi di un SOC agentico

L'autonomia degli agenti introduce rischi specifici: affidabilità e spiegabilità sono in gioco nel processo di indagine, mentre la sicurezza degli agenti e i rischi per il personale riguardano ciò che lo circonda.

Rischi per l'affidabilità e la spiegabilità

Il rischio per l'affidabilità aumenta quando l'errore di un agente diventa l'input di un altro. Al SANS Cloud Security Exchange Summit 2026, Leo Meyerovich, CEO di Graphistry, ha mostrato quanto rapidamente si accumulino gli errori nei singoli compiti. Se un'IA ha una precisione del 70% in ciascuna fase di un'indagine composta da 10 compiti, il 97% dei casi resta incompleto. Per questo, la precisione nei singoli compiti deve essere elevata prima che sia ragionevole fidarsi dell'intero processo.

Gli agenti che non sanno spiegare il proprio ragionamento espongono a rischi di conformità e rendono difficile correggere i comportamenti errati. Il NIST AI Risk Management Framework (AI RMF) sottolinea l'importanza di governance, responsabilità e trasparenza lungo l'intero ciclo di vita dei sistemi IA, e un verdetto non spiegato le compromette tutte e tre.

I problemi di infrastruttura e qualità dei dati frenano i programmi di IA agentica: gli agenti che ragionano su dati telemetrici incompleti o non normalizzati producono risposte errate con apparente sicurezza.

Rischi per la sicurezza degli agenti e per il personale

Gli agenti vi offrono un'autonomia utile, ma aprono anche nuove possibilità di danno per gli aggressori e per gli errori operativi, a partire dagli agenti stessi:

1. Attacchi mirati agli agenti: La OWASP Top 10 per le applicazioni agentiche del 2026, un elenco sottoposto a revisione paritaria dell'Open Worldwide Application Security Project (OWASP), classifica i rischi di sicurezza più critici nei sistemi di IA autonomi e agentici. Include minacce che emergono solo quando l'IA può agire, come Agent Goal Hijack (ASI01), Tool Misuse (ASI02) e Identity & Privilege Abuse (ASI03). Proteggere l'IA agentica significa difendere gli agenti stessi dalla manipolazione avversaria.
2. Rischi operativi e di governance: CISA, la NSA e le agenzie Five Eyes partner avvertono, in linee guida congiunte del 2026, che i sistemi agentici possono introdurre «una superficie di attacco più ampia, un accumulo progressivo di privilegi, comportamenti non allineati e registrazioni degli eventi poco chiare». Gartner inoltre avverte che applicare una governance uniforme a tutti gli agenti IA porterà al fallimento e raccomanda di adeguare i controlli al livello di autonomia di ciascun agente.
3. Perdita di competenze: Se gli agenti assorbono tutto il lavoro di Tier 1 e Tier 2, gli analisti junior non sviluppano mai l'intuito necessario per diventare analisti senior.

La sicurezza dell'IA agentica richiede anche che monitoriate il comportamento degli agenti con lo stesso rigore che applicate a utenti, workload ed endpoint, perché un agente compromesso eredita tutte le autorizzazioni che gli avete concesso. A ciascuno di questi rischi corrisponde un controllo che potete predisporre prima che un agente operi in produzione.

Errori comuni nell'adozione di un SOC agentico

I fallimenti nell'adozione seguono schemi riconoscibili: gli errori di governance descritti di seguito derivano da un'autonomia senza limiti, mentre gli errori relativi ai dati e alla modellazione delle minacce derivano da fondamenta deboli su cui poggiano gli agenti.

Errori di governance

L'errore di governance più costoso è distribuire gli agenti senza limiti di escalation: così possono agire in ambiti ambigui o prendere decisioni irreversibili senza una traccia di audit che permetta di ricostruirle in seguito. Definite le zone di fiducia e le soglie di escalation prima dell'avvio. Un secondo errore è massimizzare l'autonomia indiscriminatamente: impiegate gli agenti per attività ripetibili e ad alto volume, e lasciate alle persone le decisioni che richiedono capacità di giudizio.

Errori relativi ai dati e alla modellazione delle minacce

Costruire su dati telemetrici inaffidabili amplifica ogni altro errore: gli agenti distribuiti su dati di scarsa qualità moltiplicano allucinazioni ed errori, quindi partite dalla normalizzazione. Saltare la modellazione delle minacce lascia gli agenti in produzione senza una mappatura. Il framework MAESTRO (Multi-Agent Environment, Security, Threat, Risk, and Outcome) della CSA colma questa lacuna mappando le minacce dell'IA agentica su sette livelli, dai modelli di base all'ecosistema più ampio degli agenti. Considerare facoltativa la supervisione umana ignora un punto su cui convergono i principali framework. Il NIST AI RMF richiede che i processi di supervisione umana siano definiti, valutati e documentati. Le linee guida Careful Adoption of Agentic AI Services affidano ai progettisti e agli operatori dei sistemi le decisioni su quando sia necessaria l'approvazione umana. La guida OWASP Agentic AI Threats and Mitigations raccomanda la supervisione umana per le azioni degli agenti ad alto impatto. Le azioni irreversibili, come disattivare un server di produzione, richiedono comunque l'approvazione di una persona. Infine, trascurare la gestione del cambiamento per gli analisti frena l'adozione: gli agenti richiedono un inserimento graduale, e gli analisti nuove competenze di supervisione.

Best practice per un SOC agentico

Una buona prassi unisce un'adozione graduale e soggetta a controlli a una governance basata sulle evidenze: la prima definisce cosa possono fare gli agenti, la seconda dimostra che le loro decisioni meritano fiducia.

Controlli per l'adozione e l'approvazione

La disciplina nell'adozione determina se gli agenti conquisteranno la fiducia degli analisti: iniziate con un ambito ristretto, sottoponete ad approvazione ogni azione rilevante e assegnate a ciascuna categoria di allarmi un livello di autonomia già dimostrato.

• Procedete per fasi: Seguite il approccio graduale delle agenzie Five Eyes. Iniziate con casi d'uso chiaramente definiti, a basso rischio e non sensibili. Verificate i controlli in ogni fase prima di ampliare l'ambito.
• Sottoponete ad approvazione le azioni ad alto impatto: Prevedete l'approvazione umana in punti decisionali definiti per qualsiasi azione irreversibile, regolamentata o rilevante per i clienti.
• Calibrate l'autonomia per classe di avviso: Un comune avviso di phishing e un'anomalia relativa a un account privilegiato richiedono livelli diversi di intervento umano, con un formato di audit coerente.

Un ambito ampliato per fasi, l'approvazione umana e l'autonomia per classe mantengono reversibili le prime implementazioni: se un agente valuta male una situazione, l'impatto resta limitato e il percorso di correzione resta chiaro.

Governance e misurazione basate sulle evidenze

La misurazione e la modellazione delle minacce mantengono la governance verificabile nel tempo. Producono inoltre la documentazione delle evidenze richiesta da auditor, consigli di amministrazione e dai vostri analisti.

• Esigete motivazioni corredate da fonti: Ogni valutazione dell'agente deve includere evidenze e riferimenti alle fonti. Conclusioni inspiegabili sono inaccettabili in un SOC.
• Modellate le minacce agli agenti: Analizzate l'architettura degli agenti rispetto a MAESTRO e sottoponetela a test red team prima della messa in produzione, utilizzando la nota di ricerca della CSA sulle linee guida NIST per i test red team degli agenti IA e le azioni di test red team descritte nel profilo NIST sull'IA generativa (NIST AI 600-1).
• Definite prima la governance: Prima dell'implementazione, definite policy per l'accesso degli agenti, le condizioni di autonomia e il monitoraggio continuo secondo il NIST AI RMF e la funzione GOVERN.
• Misurate i risultati, non le attività: Passate dal conteggio degli avvisi a metriche come il tempo medio di rilevamento (MTTD) e il tempo medio di risposta (MTTR). Esaminate continuamente le decisioni degli agenti, come fareste per formare una nuova persona nel team.

Quando introducete agenti IA nel SOC, queste pratiche rendono il coinvolgimento umano nelle operazioni di sicurezza un principio progettuale fin dal primo giorno. Presuppongono inoltre una piattaforma progettata per operazioni agentiche governate. SentinelOne ha costruito la propria architettura proprio attorno a questo requisito.

Costruite un SOC agentico con SentinelOne

La Singularity™ Platform unifica la telemetria di endpoint, identità, cloud e strumenti di sicurezza dell'IA in un'unica console, con un livello dati condiviso e un motore Behavioral AI. Gli agenti analizzano la telemetria normalizzata secondo l'Open Cybersecurity Schema Framework (OCSF), soddisfacendo il requisito di qualità dei dati che spesso blocca i progetti agentici.

Purple AI™ è l'analista di sicurezza agentico basato sull'IA di SentinelOne. La funzionalità Agentic Investigation gestisce un avviso dalla ricezione alla valutazione senza indagini manuali: raccoglie evidenze da tutti gli ambienti, sintetizza i dati sulle minacce, ricostruisce le sequenze temporali degli attacchi in tempo reale e fornisce valutazioni spiegabili sotto la supervisione degli analisti. Nel frattempo, documenta contesto, riepiloghi e passaggi successivi negli Investigation Notebooks, così ogni valutazione è accompagnata dalle relative evidenze. Il report IDC di aprile 2025 Business Value of SentinelOne’s Purple AI ha rilevato che i clienti Purple AI hanno identificato le minacce il 63% più rapidamente e completato la remediation il 55% più rapidamente.

Singularity Hyperautomation è lo strumento no-code di SentinelOne per i flussi di lavoro di risposta negli ambienti Singularity, con passaggi di approvazione umana integrati per le decisioni ad alto impatto. Hyperautomation è incluso in Singularity AI SIEM ed è disponibile come componente aggiuntivo per altri prodotti SentinelOne. Purple AI fornisce la valutazione dell'indagine e Hyperautomation esegue la risposta nel rispetto delle policy preapprovate. Entrambi utilizzano gli avvisi e il contesto già in uso dal vostro team.

Latio, società indipendente di ricerca e consulenza specializzata nelle operazioni di sicurezza, ha nominato SentinelOne Leader tra le piattaforme SOC nel suo Security Operations Market Report 2026.

Se gestite un SOC sommerso dagli avvisi o siete responsabili del confronto con il consiglio di amministrazione sull'IA nelle operazioni di sicurezza, richiedete una demo di SentinelOne per vedere le indagini agentiche governate applicate al vostro volume di avvisi.

Il SIEM AI leader del settore

Individuate le minacce in tempo reale e semplificate le operazioni quotidiane con il SIEM AI più avanzato al mondo di SentinelOne.

Conclusione

Un SOC agentico affida agli agenti IA la gestione degli alert, dal triage alla risposta, con la supervisione umana sull'intero processo. Gli agenti ragionano oltre i playbook, ma gli errori che si accumulano e i verdetti non trasparenti richiedono criteri di escalation, tracce di audit e un'implementazione graduale.

I team che uniscono un'autonomia regolata a solide basi di dati riducono in modo misurabile i tempi di indagine e correzione. Gli analisti tornano a dedicarsi a ciò che solo le persone possono fare: valutare, cercare minacce e prendere le decisioni più importanti.